استارتاپ دیپ‌تک SixSense، فعال در حوزه نیمه‌رسانا و هوش مصنوعی که توسط زنان تاسیس شده، بودجه جذب کرد
استارتاپ دیپ‌تک SixSense مستقر در سنگاپور، پلتفرمی مبتنی بر هوش مصنوعی توسعه داده که به تولیدکنندگان نیمه‌رسانا کمک می‌کند تا عیوب احتمالی تراشه‌ها را در خطوط تولید به‌صورت لحظه‌ای پیش‌بینی و شناسایی کنند.
این شرکت در دور سرمایه‌گذاری سری A، مبلغ ۸.۵ میلیون دلار جذب کرد و مجموع بودجه جذب‌شده خود را به حدود ۱۲ میلیون دلار رساند. این دور توسط Surge از Peak XV (که قبلاً Sequoia India & SEA نامیده می‌شد) رهبری شد و Alpha Intelligence Capital و Febe و سایرین نیز در آن مشارکت داشتند.
SixSense که در سال ۲۰۱۸ توسط دو مهندس به نام‌های آکانکشا جاگوانی (مدیر ارشد فناوری) و آونی آگاروال (مدیرعامل) تاسیس شد، هدف دارد تا یک چالش اساسی در تولید نیمه‌رسانا را برطرف کند: تبدیل داده‌های خام تولید، از تصاویر عیوب گرفته تا سیگنال‌های تجهیزات، به اطلاعات لحظه‌ای که به کارخانه‌ها کمک می‌کند از مشکلات کیفی جلوگیری کرده و بازدهی را بهبود بخشند.
علی‌رغم حجم زیاد داده‌های تولیدشده در کارخانه‌ها، چیزی که برای بنیانگذاران این استارتاپ برجسته بود، فقدان اطلاعات لحظه‌ای به شکلی غافلگیرکننده بود.
آکانکشا از طریق تجربه خود در ساخت راه‌حل‌های اتوماسیون برای تولیدکنندگانی مانند هیوندای موتورز و جنرال الکتریک و رهبری توسعه محصول در استارتاپ‌هایی مانند Embibe، درک عمیقی از تولید، کنترل کیفیت و اتوماسیون نرم‌افزار دارد. آگاروال نیز تجربه فنی خود را از زمان حضورش در ویزا به همراه دارد، جایی که او سیستم‌های تحلیل داده در مقیاس بزرگ ایجاد کرد که برخی از آن‌ها بعداً به عنوان اسرار تجاری محافظت شدند. او که یک برنامه‌نویس ماهر با سابقه قوی در ریاضیات است، مدت‌هاست علاقه‌مند به استفاده از هوش مصنوعی در صنایع سنتی فراتر از فین‌تک بوده است.
این دو نفر، پیش از تمرکز بر صنعت نیمه‌رسانا، بخش‌هایی از جمله هواپیمایی و خودروسازی را ارزیابی کردند. آگاروال به دیپ تو تک گفت، با وجود شهرت صنعت نیمه‌رسانا به دقت، فرآیندهای بازرسی تا حد زیادی دستی و پراکنده باقی مانده‌اند. او افزود، پس از صحبت با بیش از ۵۰ مهندس، مشخص شد که فضای قابل توجهی برای مدرن‌سازی نحوه انجام بررسی‌های کیفیت وجود دارد.
آگاروال گفت، امروزه کارخانه‌ها مملو از داشبوردها، نمودارهای SPC و سیستم‌های بازرسی هستند، اما بیشتر آن‌ها فقط داده‌ها را بدون تجزیه و تحلیل بیشتر نمایش می‌دهند. «بار استفاده از آن برای تصمیم‌گیری همچنان بر دوش مهندسان است: [آن‌ها باید] الگوها را شناسایی کنند، ناهنجاری‌ها را بررسی کنند و علل اصلی را ردیابی کنند. این کار زمان‌بر و ذهنی است و با افزایش پیچیدگی فرآیند، مقیاس‌پذیر نیست.»
SixSense به مهندسان هشدارهای اولیه می‌دهد تا قبل از تشدید مشکلات احتمالی، با قابلیت‌هایی مانند تشخیص عیب، تجزیه و تحلیل علت اصلی و پیش‌بینی خرابی، به آن‌ها رسیدگی کنند.
آگاروال گفت پلتفرم SixSense به طور خاص برای استفاده توسط مهندسان فرآیند طراحی شده است، نه دانشمندان داده. «مهندسان فرآیند می‌توانند مدل‌ها را با استفاده از داده‌های کارخانه خود تنظیم کنند، آن‌ها را در کمتر از دو روز مستقر کنند و به نتایج اعتماد کنند – همه این‌ها بدون نوشتن حتی یک خط کد. این همان چیزی است که پلتفرم را هم قدرتمند و هم کاربردی می‌کند.»
چشم‌انداز رقابتی شامل تیم‌های مهندسی داخلی است که از ابزارهایی مانند Cognex و Halcon استفاده می‌کنند، سازندگان تجهیزات بازرسی که هوش مصنوعی را در سیستم‌های خود ادغام می‌کنند، و استارتاپ‌هایی از جمله Landing.ai و Robovision.
پلتفرم هوش مصنوعی SixSense در حال حاضر در تولیدکنندگان بزرگ نیمه‌رسانا مانند GlobalFoundries و JCET استفاده می‌شود و تاکنون بیش از ۱۰۰ میلیون تراشه پردازش شده است. بنیانگذاران این شرکت گفتند که مشتریان تا ۳۰ درصد چرخه تولید سریع‌تر، افزایش ۱ تا ۲ درصدی در بازدهی و کاهش ۹۰ درصدی در کار بازرسی دستی را گزارش کرده‌اند. این سیستم با تجهیزات بازرسی که بیش از ۶۰ درصد از بازار جهانی را پوشش می‌دهند، سازگار است.
آگاروال گفت: «مشتریان هدف ما تراشه‌سازان بزرگ هستند – از جمله کارخانه‌های ریخته‌گری، ارائه‌دهندگان خدمات برون‌سپاری مونتاژ و آزمایش نیمه‌رسانا (OSAT) و تولیدکنندگان دستگاه‌های یکپارچه (IDM).» «ما در حال حاضر با کارخانه‌هایی در سنگاپور، مالزی، تایوان و اسرائیل کار می‌کنیم و اکنون در حال گسترش به ایالات متحده هستیم.»
تنش‌های ژئوپلیتیکی، به‌ویژه بین ایالات متحده و چین، در حال تغییر شکل مکان تولید تراشه‌ها هستند و سرمایه‌گذاری‌های جدید تولیدی را در سراسر جهان هدایت می‌کنند.
آگاروال به دیپ تو تک گفت: «ما شاهد گسترش تهاجمی کارخانه‌ها و OSATها در مالزی، سنگاپور، ویتنام، هند و ایالات متحده هستیم – و این برای ما یک مزیت است. چرا؟ زیرا ما در حال حاضر در منطقه مستقر هستیم و بسیاری از این تاسیسات جدید بدون سیستم‌های قدیمی شروع به کار می‌کنند. این امر باعث می‌شود آن‌ها از همان ابتدا نسبت به رویکردهای بومی هوش مصنوعی مانند رویکرد ما، بسیار بازتر باشند.»
منبع: techcrunch.com
